118 225 1 SM
118 225 1 SM
AUTO ESTIMATOR
(Kasus Jayapura dan sekitarnya)
DAILY RAINFALL ESTIMATION USING AUTO ESTIMATOR METHOD
(Jayapura and its surrounding case)
Naskah masuk: 6 Maret 2012; Perbaikan terakhir: 4 Oktober 2012 ; Naskah diterima: 5 Oktober 2012
ABSTRAK
Salah satu citra satelit cuaca yang digunakan secara operasional oleh Badan Meteorologi Klimatologi dan Geofisika
(BMKG) saat ini adalah citra MTSAT. Pengamatan awan dari satelit cuaca MTSAT dapat digunakan untuk menafsirkan
(estimasi) hujan. Estimasi curah hujan berdasarkan pada suhu puncak awan yang diperoleh dari citra satelit MTSAT
kanal IR-1 (infra red) dengan menggunakan metode Auto Estimator telah dilakukan di Jayapura dan sekitarnya. Sebagai
bahan kajian digunakan citra satelit cuaca MTSAT kanal IR-1 bulan Januari dan Februari 2010. Untuk keperluan
validasi dibutuhkan data observasi stasiun-stasiun meteorologi/ klimatologi Dok II Jayapura (97698), Sentani Jayapura
(97690), dan Genyem Jayapura (97692). Hasil estimasi curah hujan ini dibandingkan dengan data curah hujan actual
untuk mengetahui kedekatan hubungan antar keduanya. Untuk menguji keakuratan hasil dihitung nilai error (Root
Mean Square Error, RMSE) dan persentate hari hujan. Hasil menunjukkan bahwa hubungan antara curah hujan hasil
estimasi dengan curah hujan aktual di Jayapura dan sekitarnya pada Januari 2010 lemah dengan RMSE berkisar 117.8
– 215.5 mm/hari dan pada bulan Februari 2010 cukup kuat dengan RMSE berkisar 26.4 – 38.8 mm/hari. Tingkat akurasi
estimasi hari hujan pada bulan Januari >70% dan pada bulan Februari 2010 berkisar 42.8 – 85.7 %.
Kata kunci: Auto Estimator, Cuaca, MTSAT, Satelit, Suhu Puncak Awan
ABSTRACT
MTSAT data are used by BMKG for operational purposes. MTSAT channel IR-1 can be used to estimate rainfall on
surface. The rainfall estimation is derived based on the cloud top temperature by using the Auto Estimator Methode. The
area of study is chosen at Jayapura and its surrounding. The period of sattellite data used are January and February
2010. Validation of the rainfall estimation is done by using observed rainfall data taken from observation stations: Dok
II, Sentani, and Genyem. Results shows that the relation between estimated rainfall and observed rainfall in Jayapura
and its surrounding is weak on January 2010 (117.8 – 215.5 mm/day of RMSE) but stronger in February 2010 (26.4 – 38.8
mm/day of RMSE). The accuracy of the rainfall day estimation in January 2010 is about >70% and 42.8 – 85.7 % in
February 2010.
Key words: Auto Estimator, Weather, MTSAT, Sattellite, Cloud top temperature
Gambar 1. Citra satelit MTSAT IR-1 di atas wilayah Indonesia tanggal 03 Maret 2012 pukul 23 UTC [7]
Sebuah komputer dengan program tertentu di antaranya Data curah hujan diperoleh dari hasil pengamatan
perangkat lunak SATAID akan mampu membaca warna sinoptik di Stasiun Meteorologi Dok II Jayapura
awan citra satelit untuk mendapatkan data suhu puncak (97698), Stasiun Meteorologi Sentani (97690) dan
Stasiun Klimatologi Genyem (97692). Data curah hujan
awan pada tiap piksel. Kemudian estimasi curah hujan
yang digunakan adalah data bulan Januari dan Februari
dihitung berdasarkan pertambahan atau pengurangan dari
Tahun 2010.
nilai jumlah awan. Jika suhu puncak awan meningkat
pada dua citra satelit yang diambil dalam waktu yang
· Data Suhu Puncak Awan
berurutan namun jumlah awan berkurang, maka akan
dilakukan koreksi terhadap jumlah awan. Jika suhu Data suhu puncak awan digunakan dalam perhitungan
puncak awan meningkat seiring dengan peningkatan curah hujan harian diperoleh dengan menginterpretasi
jumlah awan, maka biasanya diperkirakan hujan akan data citra satelit MTSAT kanal IR-1 dengan bantuan
turun dari awan ini. perangkat lunak SATAID. Data yang didapat berupa
nilai suhu puncak awan dari hasil interpolasi dengan
1.6. Sattellite animation and interactive diagnosis cara Inverse Distance Weighting (IDW) [10] yang
mengacu letak geografis dari stasiun pengamatan hujan
Dalam usaha pencegahan bencana alam yang berkaitan yang dipilih.
dengan meteorologi, seperti typhoon dan hujan lebat,
peran satelit cuaca dalam observasi cuaca tidak dapat Dalam pengolahan data dipilih stasiun Meteorologi Dok
diragukan lagi. Namun demikian, untuk lebih II (97698) dengan posisi 2.53 oLS, 140.72 oBT, Stasiun
mengefektifkan penggunaan satelit cuaca ini, maka Meteorologi Sentani (97690) dengan posisi 2.5 oLS,
adalah penting untuk menganalisis citra dan mengambil 140.48 oBT, dan Stasiun Klimatologi Genyem (97692)
informasi darinya. Saat ini menganalisis citra satelit dengan posisi 2.9 oLS, 140.27 oBT. Data yang diperoleh
cuaca umumnya dilakukan secara subyektif melalui berupa suhu puncak awan tiap jam.
mata penglihatan manusia, sedangkan analisis yang
berkualitas membutuhkan penguasaan interpretasi citra Data tersebut memiliki satuan derajat Celcius (°C) yang
secara baik. harus lebih dahulu dikonversikan ke dalam satuan
derajat Kelvin (°K) sebelum dimasukkan ke dalam
persamaan.
Perkembangan komputer dapat mempermudah tampilan
citra satelit ke layar komputer. Pusat Satelit Meteorologi
· Data Curah Hujan Aktual
Jepang di Japan Meteorological Agency (JMA) telah
mengembangkan suatu sistem Computer Aided
Data curah hujan aktual yang digunakan sebagai
Learning (MSC-CAL) untuk menampilkan citra satelit pembanding berupa data curah hujan harian hasil
sebagai sarana pembelajaran dan pelatihan dalam observasi stasiun meteorologi/ klimatologi di sekitar
rangka meningkatkan kemampuan analisis citra. Sistem Jayapura yang diambil pada bulan Januari dan Februari
inilah yang kemudian disebut Satellite Animation and 2010.
Interactive Diagnosis (SATAID).
Untuk kasus mendatar, jarak mendatar antara titik Dimana: R = jumlah curah hujan dalam mm/jam dan T
sampel dengan titik estimasi (Di) adalah serba sama dan adalah suhu puncak awan dalam derajat Kelvin (°K).
jumlah kasus prediksi adalah tunggal [11], maka
diperoleh persamaan Z0 berikut : (3.3)
Z0 = (3.2)
Gambar 3. Cuplikan data citra satelit MTSAT channel IR-1 yang dilokalisir dalam skala 0.84o x 0.84o (sebelah kiri) dan Analisis
Ishophet Suhu puncak Awan IR-1 dalam skala 0.84o x 0.84o(sebelah kanan) yang mencakup wilayah kajian.
Dimana: N = Banyaknya data, RCi = Curah hujan hasil Untuk validasi hasil estimasi dengan menggunakan nilai
estimasi ke-i (mm), dan ROi = Curah hujan aktual hasil koefisien korelasi Pearson ini, maka semakin besar nilai
observasi ke-i (mm). koefisien korelasi yang didapat menunjukkan semakin
baik hasil validasi. Berarti semakin tinggi tingkat akurasi
Perlu diketahui bahwa untuk validasi hasil estimasi, maka estimasi yang dihasilkan.
semakin besar nilai RMSE akan semakin jauh nilai total
curah hujan harian estimasi terhadap data curah hujan · Keakuratan Estimasi Curah Hujan
aktualnya. Semakin kecil nilai RMSE, maka semakin
baik prediksi total hujannya. Nilai terbaik RMSE adalah Untuk membantu dalam menentukan keakuratan dari
0. Mengingat bahwa tingkat kesalahan yang dapat estimasi curah hujan harian dengan menggunakan
diminimalisir dapat meningkatkan tingkat akurasi metode Auto Estimator, maka digunakan metode
kualitas estimasi [14]. frekuensi dan persentase. Adapun persamaan yang
digunakan dalam metode frekuensi dan persentase adalah
· Koefisien Korelasi Linear sebagai berikut:
a. Untuk frekuensi diperoleh dari banyaknya Hari
Series data yang diperoleh, baik dari RCi dan ROi Hujan (HH) pada data estimasi curah hujan harian
selanjutnya dikorelasikan satu dengan yang lainnya. dengan metode Auto Estimator yang sesuai dengan
Metode korelasi digunakan untuk mencari nilai yang banyaknya Hari Hujan (HH) pada curah hujan
menunjukkan kekuatan dan arah hubungan kedekatan harian aktual yang dicatat pada pengamatan
antara RCi dan ROi. Persamaan yang digunakan untuk sinoptik.
menghitung nilai koefisien korelasi moment produk b. Untuk menghitung nilai persentase digunakan
Pearson [15], [16] adalah seperti berikut : persamaan berikut:
Dimana: r = Nilai koefisien korelasi Pearson, xi = data Dimana: PHH = Persentase akurasi hari hujan pada
curah hujan hasil estimasi ke-i (mm), dan yi = data curah estimasi curah hujan dengan metode Auto Estimator, F =
hujan aktual hasil observasi ke-i (mm). frekuensi hari hujan pada estimasi curah hujan dengan
metode Auto Estimator yang sesuai dengan hari hujan
Nilai r memiliki sebaran dari -1 hingga +1 [17]. Nilai r ini pada pengamatan curah hujan actual, dan n = banyaknya
menunjukkan kuat-lemahnya hubungan antar variable data.
yang dikorelasikan. Semakin kuat hubungan antar
hubungan antar variable yang dikorelasikan, maka Langkah-langkah yang dilakukan dalam menghitung
semakin besar diperoleh nilai r. Nilai terbaik dari r adalah total curah hujan harian adalah sebagai berikut :
+1. Artinya kedua variable yang dikorelasikan memiliki · Mengidentifikasi suhu puncak awan dari citra satelit
hubungan yang sangat signifikan. cuaca MTSAT channel IR-1 dengan bantuan
perangkat lunak SATAID,
Nilai koefisien korelasi Pearson [16] dapat dinyatakan · Menginterpolasi suhu puncak awan luaran perangkat
sebagai berikut: lunak SATAID mengacu letak geografis dari stasiun
· Jika harga r mendekati +1, berarti hubungan antara pengamatan hujan dengan metode IDW,
total curah hujan harian hasil estimasi dengan total · Mengkonversi satuan suhu puncak awan dari
curah hujan harian aktual sangat kuat dan positif derajat Celcius ke dalam derajat Kelvin, dimana
(bersamaan fase). °K = toC+273,
JURNAL METEOROLOGI DAN GEOFISIKA VOL. 13 NO. 1 TAHUN 2012 : 53-61
58
· Menentukan nilai R (jumlah curah hujan) tiap jam antara nilai curah hujan hasil estimasi dengan curah hujan
dengan menggunakan persamaan (3.3), kemudian aktual masih sangat besar. Namun bila ditinjau dari
hasil curah hujan perjam dijumlahkan menjadi curah persentase akurasi jumlah hari hujan hasil estimasi
hujan harian, terhadap jumlah hari hujan aktual sangat bagus yakni
· Melakukan pembulatan nilai R harian dalam sebesar 90.3%.
persepuluhan,
· Melakukan validasi nilai R hasil perhitungan tersebut · Bulan Februari Tahun 2010
dengan cara membandingkan dengan nilai curah
hujan aktual hasil pengamatan stasiun meteorology/ Berdasarkan hasil estimasi curah hujan harian dengan
klimatologi, menggunakan metode Auto Estimator pada bulan
· Menghitung nilai r, RMSE, dan persentase dari Februari 2010 didapat nilai estimasi curah hujan R =
semua data yang diolah, 614.9 mm. Sementara itu nilai koefisien korelasi Pearson
· Menganalisis dan mengambil kesimpulan. didapat r = +0.68. Hal ini menunjukkan bahwa hubungan
antara nilai curah hujan harian hasil estimasi dengan nilai
curah hujan harian aktualnya cukup kuat.
3. Hasil dan Pembahasan
Kemudian bila dilihat dari nilai RMSE = 38.8 mm/hari,
Berdasarkan hasil pengolahan data curah hujan harian menunjukkan besarnya penyimpangan yang terjadi
aktual dan nilai estimasi curah hujan harian dengan antara nilai curah hujan harian hasil estimasi dengan
metode Auto Estimator maka diperoleh hasil seperti pada curah hujan harian aktual masih cukup besar. Namun
Tabel 1. demikian bila ditinjau dari nilai persentase akurasi jumlah
hari hujan harian hasil estimasi terhadap jumlah hari
3.1. Stasiun Meteorologi Dok II Jayapura hujan aktual bagus yakni sebesar 71.4%.
Berdasarkan hasil estimasi curah hujan harian dengan · Bulan Januari Tahun 2010
menggunakan metode Auto Estimator pada bulan Januari
2010 diperoleh nilai estimasi curah hujan R = 3128.9 mm. Berdasarkan hasil estimasi curah hujan dengan
Nilai estimasi R ini masih sangat besar dan masih jauh menggunakan metode Auto Estimator pada bulan Januari
dari nilai aktualnya. Namun demikian, tingkatan 2010 diperolah nilai estimasi curah hujan R = 2752.82
kesesuaian antara nilai curah hujan harian estimasi mm. Nilai R hasil estimasi ini nampak masih sangat besar
dengan nilai hujan harian observasi masih memiliki bila dibandingkan dengan nilai aktualnya. Namun
kaitan bersamaan fase dengan nilai r = +0.36. Hal ini demikian, kaitan antara curah hujan harian estimasi
menunjukkan bahwa hubungan antara curah hujan harian terhadap curah hujan harian observasi ditunjukkan oleh
hasil estimasi dengan curah hujan harian aktualnya nilai r = +0.27. Hal ini menunjukkan bahwa hubungan
mempunyai hubungan yang dianggap lemah. antara curah hujan harian hasil estimasi dengan curah
Kemudian bila ditinjau dari nilai RMSE = 215.5 mm/hari, hujan harian aktualnya dianggap lemah.
menunjukkan besarnya penyimpangan yang terjadi
Tabel 1. Curah Hujan Aktual, Estimasi, Koefisen Korelasi, RMSE, dan Persentase Akurasi di Jayapura dan sekitarnya (Januari -
Februari 2010)
3.3. Stasiun Klimatologi Genyem Berdasarkan pada hasil perhitungan nilai r terdapat
perbedaan yang mencolok sekitar 0,51. Artinya
· Bulan Januari Tahun 2010 kualitas nilai estimasi curah hujan harian
menggunakan metode Auto Estimator menghasilkan
Berdasarkan hasil estimasi curah hujan dengan memiliki hasil lemah hingga cukup kuat. Sementara itu
menggunakan metode Auto Estimator pada bulan nilai RMSE yang didapat memiliki perbedaan yang
Januari 2010 didapat nilai estimasi curah hujan R = sangat mencolok antara nilai curah hujan estimasi
sebesar 1886.85 mm. Nilai yang didapat untuk curah dengan nilai curah hujan hasil observasi dengan kisaran
hujan harian estimasi ini masih sangat besar terhadap sekitar 189,1 mm/ hari.
nilai aktualnya. Namun demikian kaitan antara curah
hujan harian estimasi dengan curah hujan harian Kondisi tersebut di atas menunjukkan bahwa metode
observasi ditunjukkan dengan nilai r = +0.47. Hal ini Auto Estimator yang digunakan dalam pengolahan data
menunjukkan bahwa hubungan antara curah hujan belum memberikan konsistensi yang baik berkaitan
harian hasil estimasi dengan curah hujan harian dengan fluktuasi kejadian curah hujan harian di daerah
aktualnya dianggap lemah. studi. Untuk itu kelengkapan penggunaan data maupun
cara penerapan aplikasi estimasi curah hujan harian
Kemudian bila dilihat dari nilai RMSE = 117.8 mm/hari, dengan metode Auto estimator masih perlu pengkajian
menunjukkan besarnya penyimpangan yang terjadi lebih lanjut.
antara nilai curah hujan hasil estimasi dengan curah hujan
aktual masih sangat besar. Namun demikian bila ditinjau
dari persentase akurasi jumlah hari hujan harian hasil
estimasi terhadap jumlah hari hujan harian aktual sangat
bagus yakni sebesar 90.3%.